JP2020197216A - 排気ガス再循環システムの異常検出装置 - Google Patents

Abstract

【課題】排気ガス再循環システムの異常を正確に検出する。【解決手段】機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量からなる少なくとも四つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されている。機関運転時に、学習済みニューラルネットワークを用いて、上述のパラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基いて、排気ガス再循環システムの異常が検出される。【選択図】図１８

Description

本発明は排気ガス再循環システムの異常検出装置に関する。

機関から排出された排気ガスをスロットル弁下流の吸気マニホルドに再循環させるための排気ガス再循環（以下、ＥＧＲと称す）通路を備えており、このＥＧＲ通路内にＥＧＲ弁を配置した内燃機関では、ＥＧＲ弁が開弁すると圧力の高い排気ガスが吸気マニホルド内に再循環されるために、吸気マニホルドの圧力は, ＥＧＲ弁が閉弁せしめられているときに比べて上昇する。従って、ＥＧＲ弁の開弁時とＥＧＲ弁の閉弁時との吸気マニホルド内の圧力の変化から、ＥＧＲ弁が正常に作動しているか否かを判別することができる。そこで、機関負荷および機関回転数が夫々予め定められた範囲内にありかつＥＧＲ弁が開弁している機関中負荷中速運転時にＥＧＲ弁を強制的に一定時間閉弁させ、このときの吸気マニホルド内の圧力の変化からＥＧＲ弁が正常に作動しているか否かを判別するようにした排気ガス再循環システムの異常検出装置が公知である（例えば特許文献１を参照）。

特開平５−００１６２４号公報

しかしながら、機関負荷および機関回転数が夫々予め定められた範囲内であったとしても機関負荷および機関回転数が異なると、吸気マニホルド内の圧力が大きく変化する。従って、上述の排気ガス再循環システムの異常検出装置におけるように、機関負荷および機関回転数が夫々予め定められた範囲内にある機関中負荷中速運転時にＥＧＲ弁を強制的に一定時間閉弁させ、このときの吸気マニホルド内の圧力の変化からＥＧＲ弁が正常に作動しているか否かを判別しても、ＥＧＲ弁が正常に作動しているか否かを正確に判別するのは困難である。

そこで、本発明によれば、機関から排出された排気ガスをスロットル弁下流の吸気通路に再循環させるためのＥＧＲ通路内にＥＧＲ弁を配置し、目標ＥＧＲ率が、少なくとも機関負荷および機関回転数の関数として予め記憶されており、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度が制御される排気ガス再循環システムの異常検出装置において。機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量からなる少なくとも四つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関運転時に、この学習済みニューラルネットワークを用いて、上述のパラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常が検出される排気ガス再循環システムの異常検出装置が提供される。

本発明によれば、学習済みニューラルネットワークを用いて目標ＥＧＲ率が推定され、この目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常を検出することにより、排気ガス再循環システムの異常を正確に検出することが可能となる。

図１は、内燃機関の全体図である。 図２は、ニューラルネットワークの一例を示す図である。 図３Ａおよび図３Ｂは、夫々最適ＥＧＲ率および基本ＥＧＲ率のマップを示す図である。 図４は、ＥＧＲ弁目標開度のマップを示す図である。 図５Ａおよび図５Ｂは、夫々ＥＧＲ弁目標開度およびＥＧＲ率の推定値を求めるための機能構成図である。 図６は、ＥＧＲ弁目標開度を求めるための機能構成図である。 図７は、補正値ＫＡ，ＫＢ，ＫＣを示す図である。 図８は、補正値ＫＳＡのマップを示す図である。 図９は、本発明による実施例において用いられているニューラルネットワークを示す図である。 図１０は、入力パラメータの一覧表を示す図である。 図１１は、訓練データセットを示す図である。 図１２は、学習方法を説明するための図である。 図１３は、ＥＧＲ弁目標開度マップおよび訓練データセットを作成するためのフローチャートである。 図１４は、ＥＧＲ弁目標開度マップおよび訓練データセットを作成するためのフローチャートである。 図１５は、データを取得するためのフローチャートである。 図１６は、学習処理を実行するためのフローチャートである。 図１７は、電子制御ユニットにデータを読み込むためのフローチャートである。 図１８は、ＥＧＲ弁目標開度を求めるための機能構成図である。 図１９は、ＥＧＲ制御を実行するためのフローチャートである。 図２０Ａ，図２０Ｂおよび図２０Ｃは、目標ＥＧＲ率と目標ＥＧＲの推定値の変化を示す図である。 図２１は、異常を検出するためのフローチャートである。 図２２は、判定処理を実行するためのフローチャートである。 図２３Ａ，図２３Ｂおよび図２３Ｃは、目標ＥＧＲ率と目標ＥＧＲ率の推定値の変化等を示す図である。 図２４は、異常を検出するためのフローチャートである。 図２５Ａ，図２５Ｂおよび図２５Ｃは、目標ＥＧＲ率と目標ＥＧＲ率の推定値の変化等を示す図である。 図２６は、異常を検出するためのフローチャートである。

＜内燃機関の全体構成＞
図１は、排気ガス再循環システムを備えた内燃機関の全体図を示す。図１を参照すると、１は機関本体、２は各気筒の燃焼室、３は各燃焼室１内に配置された点火栓、４は各燃焼室５内に燃料、例えば、ガソリンを供給するための燃料噴射弁、５は吸気枝管、６はサージタンク、７は吸気ダクト、８は吸入空気量検出器、９はエアクリーナ、１０は排気マニホルドを夫々示す。吸気ダクト７内には、アクチュエータ１１により駆動されるスロットル弁１２が配置される。一方、排気マニホルド１０は、ＥＧＲ通路１３およびＥＧＲ弁１４を介してサージタンク６に連結され、ＥＧＲ通路１３内には、ＥＧＲガスを冷却するためのＥＧＲクーラ１５が配置される。これらＥＧＲ通路１３、ＥＧＲ制御弁１４およびＥＧＲクーラ１５により排気ガス再循環システムが構成される。

図１に示されるように、サージタンク６内には、サージタンク６内の圧力、即ち、吸気圧を検出するための吸気圧センサ１６と、サージタンク６内のガス温度、即ち、吸気温を検出するための吸気温センサ１７とが取り付られている。また、エアクリーナ９内には、大気圧を検出するための大気圧センサ１８が取り付られており、機関本体１には冷却水の温度を検出するための水温センサ１９が取り付られている。更に、ＥＧＲ弁１４にはＥＧＲ弁１４の開度を検出するためのＥＧＲ弁開度センサ２０が取り付られている。

一方、図１において３０は、機関の運転を制御するための電子制御ユニットを示している。図１に示されるように、電子制御ユニット３０はデジタルコンピュータからなり、双方向性バス３１によって互いに接続された記憶装置３２、即ち、メモリ３２と、ＣＰＵ（マイクロプロセッサ）３３と、入力ポート３４および出力ポート３５を具備する。入力ポート３４には、吸入空気量検出器８、吸気圧センサ１６、吸気温センサ１７、大気圧センサ１８、水温センサ１９およびＥＧＲ弁開度センサ２０の出力信号が、夫々対応するＡＤ変換器３６を介して入力される。

また、アクセルペダル４０にはアクセルペダル４０の踏込み量に比例した出力電圧を発生する負荷センサ４１が接続され、負荷センサ４１の出力電圧は対応するＡＤ変換器３６を介して入力ポート３４に入力される。更に入力ポート３４にはクランクシャフトが例えば３０°回転する毎に出力パルスを発生するクランク角センサ４２が接続される。ＣＰＵ３３内ではクランク角センサ４２の出力信号に基づいて機関回転数が算出される。一方、出力ポート３５は対応する駆動回路３７を介して各点火栓３、各燃料噴射弁４、スロットル弁１２のアクチュエータ１１およびＥＧＲ弁１４に接続される。

さて、ＥＧＲ率は、燃焼室２内における燃焼に大きな影響を与え、最適なＥＧＲ率は、基本的には、機関負荷および機関回転数の関数となる。従って、通常、最適なＥＧＲ率が、目標ＥＧＲ率として、少なくとも機関負荷および機関回転数の関数の形で予め記憶されており、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度が制御される。この場合、排気ガス再循環システムに異常が生じてＥＧＲ率が目標ＥＧＲ率に一致しなくなると種々の問題を生じ、従って、排気ガス再循環システムに異常が生じた場合には、排気ガス再循環システムに異常が生じたことを早急に検出する必要がある。

ところで、吸気圧の変化のみから排気ガス再循環システムに異常が生じた否かを正確に判別するのはかなり困難である。一方、排気ガス再循環システムに異常が生じると、ＥＧＲ率が目標ＥＧＲ率と一致しなくなり、ＥＧＲ率と目標ＥＧＲ率との間で差を生じることになる。そこで本発明による実施例では、学習済みニューラルネットワークを用いて目標ＥＧＲ率を推定し、この目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムに異常が生じた否かを正確に判別するようにしている。
＜ニューラルネットワークの概要＞

上述したように、本発明による実施例では、ニューラルネットワークを用いて目標ＥＧＲ率を推定するようにしている。そこで最初にニューラルネットワークについて簡単に説明する。図２は簡単なニューラルネットワークを示している。図２における丸印は人工ニューロンを表しており、ニューラルネットワークにおいては、この人工ニューロンは、通常、ノード又はユニットと称される（本願では、ノードと称す）。図２においてL＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。また、図２において、ｘ_１およびｘ_２ は入力層 ( L＝１) の各ノードからの出力値を示しており、ｙ_１ およびｙ_２ は出力層 ( L＝４) の各ノードからの出力値を示しており、ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３ は隠れ層 ( L＝２) の各ノードからの出力値を示しており、ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３は隠れ層 ( L＝３) の各ノードからの出力値を示している。なお、隠れ層の層数は、１個又は任意の個数とすることができ、入力層のノードの数および隠れ層のノードの数も任意の個数とすることができる。また、出力層のノードの数は１個とすることもできるし、複数個とすることもできる。この場合、本発明による実施例では、出力層のノードの数は１個とされている。

入力層の各ノードでは入力がそのまま出力される。一方、隠れ層 ( L＝２) の各ノードには、入力層の各ノードの出力値ｘ_１およびｘ_２ が入力され、隠れ層 ( L＝２) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕが算出される。例えば、図２において隠れ層 ( L＝２) のｚ^（２） _ｋ（ｋ＝１，２，３）で示されるノードにおいて算出される総入力値ｕ_ｋは、次式のようになる。

次いで、この総入力値ｕ_ｋは活性化関数ｆにより変換され、隠れ層 ( L＝２) のｚ^（２） _ｋで示されるノードから、出力値ｚ^（２） _ｋ(= f (ｕ_ｋ)) として出力される。一方、隠れ層 ( L＝３) の各ノード には、隠れ層 ( L＝２) の各ノードの出力値ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３が入力され、隠れ層 ( L＝3 ) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出される。この総入力値ｕは同様に活性化関数により変換され、隠れ層 ( L＝3 ) の各ノードから、出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３として出力される、この活性化関数としては、例えば、シグモイド関数σが用いられる。

一方、出力層 ( L＝４) の各ノード には、隠れ層 ( L＝３) の各ノードの出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３が入力され、出力層 の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出されるか、又は、夫々対応する重みｗのみを用いて総入力値ｕ（Σｚ・ｗ）が算出される。本発明による実施例では、出力層のノードでは恒等関数が用いられており、従って、出力層のノードからは、出力層のノードにおいて算出された総入力値ｕが、そのまま出力値ｙとして出力される。
＜ニューラルネットワークにおける学習＞

さて、ニューラルネットワークの出力値ｙの正解値を示す教師データをｙ_ｔとすると、ニューラルネットワークにおける各重みｗおよびバイアスｂは、出力値ｙと教師データをｙ_ｔとの差が小さくなるように、誤差逆伝播法を用いて学習される。この誤差逆伝播法は周知であり、従って、誤差逆伝播法についてはその概要を以下に簡単に説明する。なお、バイアスｂは重みｗの一種なので、以下、バイアスｂも含めて重みｗと称する。さて、図２に示すようなニューラルネットワークにおいて、Ｌ＝２，Ｌ＝３又は Ｌ＝４の各層のノードへの入力値ｕ^（Ｌ）における重みをｗ^（Ｌ）で表すと、誤差関数Ｅの重みｗ^（Ｌ）による微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）は、書き換えると、次式で示されるようになる。

ここで、ｚ^{（Ｌ−１）}・∂ｗ^（Ｌ）＝ ∂ｕ^（Ｌ）であるので、（∂Ｅ/∂ｕ^（Ｌ））＝δ^（Ｌ）とすると、上記（１）式は、次式でもって表すことができる。

ここで、ｕ^（Ｌ）が変動すると、次の層の総入力値ｕ^{（Ｌ＋１）}の変化を通じて誤差関数Ｅの変動を引き起こすので、δ^（Ｌ）は、次式で表すことができる。

ここで、z^（Ｌ）＝ｆ(u^（Ｌ）) と表すと、上記（３）式の右辺に現れる入力値ｕ_k ^{（Ｌ＋１）}は、次式で表すことができる。

ここで、上記（３）式の右辺第１項（∂Ｅ/∂ｕ^{（Ｌ＋１）}）はδ^{（Ｌ＋１）}であり、上記（３）式の右辺第２項（∂u_ｋ ^{（Ｌ＋１）} /∂u^（Ｌ））は、次式で表すことができる。

従って、δ^（Ｌ）は、次式で示される。

即ち、δ^{（Ｌ＋１）}が求まると、δ^（Ｌ）を求めることができることになる。

さて、出力層 ( L＝４) のノードが一個であって、或る入力値に対して教師データｙ_ｔが求められており、この入力値に対する出力層からの出力値がｙであった場合において、誤差関数として二乗誤差が用いられている場合には、二乗誤差Ｅは、Ｅ＝１/２(ｙ−ｙ_ｔ)^２で求められる。この場合、出力層（Ｌ＝４）のノードでは、出力値ｙ＝ ｆ(u^（Ｌ）) となり、従って、この場合には、出力層（Ｌ＝４）のノードにおけるδ^（Ｌ）の値は、次式で示されるようになる。

この場合、本発明による実施例では、前述したように、ｆ(u^（Ｌ）) は恒等関数であり、ｆ’(u^（Ｌｌ）) ＝ １となる。従って、δ^（Ｌ）＝ｙ−ｙ_ｔ となり、δ^（Ｌ）が求まる。

δ^（Ｌ）が求まると、上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。このようにして順次、前層のδが求められ、これらδの値を用いて、上式（２）から、各重みｗについて誤差関数Ｅの微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）か求められる。勾配∂Ｅ/∂ｗ^（Ｌ）か求められると、この勾配∂Ｅ/∂ｗ^（Ｌ）を用いて、誤差関数Ｅの値が減少するように、重みｗが更新される。即ち、重みｗの学習が行われることになる。なお、図２に示されるように、出力層 ( L＝４) が複数個のノードを有する場合には、各ノードからの出力値をｙ_１、ｙ_１・・・、対応する教師データｙ_ｔ１、ｙ_ｔ２・・・とすると、誤差関数Ｅとして、次の二乗和誤差Ｅが用いられる。

この場合も、出力層 ( L＝４) の各ノードにおけるδ^（Ｌ）の値は、δ^（Ｌ）＝ｙ−ｙ_tk （ｋ＝１，２・・・ｎ）となり、これらδ^（Ｌ）の値から上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。
＜本発明による実施例＞

最初に、図３Ａおよび図３Ｂを参照しつつ、目標ＥＧＲ率について説明する。前述したように、最適なＥＧＲ率は、基本的には、機関負荷および機関回転数の関数であり、図３Ａには、この最適なＥＧＲ率が、機関負荷Ｌおよび機関回転数ＮＥの関数の形で示されている。なお、図３Ａにおいて実線は、等ＥＧＲ率曲線を示しており、図３Ａにおいて矢印で示されるように、最適なＥＧＲ率は、機関負荷が高くなるほど高くなり、機関回転数が高くなるほど高くなる。この最適なＥＧＲ率は、基本ＥＧＲ率ＲＡとして、図３Ｂに示されるようなマップの形で、予めメモリ３２内に記憶されている。

次に、本発明について説明を行うが、最初に、本発明を実施可能な最も単純な構成を例にとって、本発明の説明を行う。即ち、本発明では、図３Ｂに示される基本ＥＧＲ率ＲＡが目標ＥＧＲ率ＲＡＯとされ、ＥＧＲ率をこの目標ＥＧＲ率ＲＡＯとするのに必要なＥＧＲ弁目標開度ＳＡが予め求められている。このＥＧＲ弁目標開度ＳＡは、図４に示されるようなマップの形で、機関負荷Ｌおよび機関回転数ＮＥの関数として、予めメモリ３２内に記憶されている。更に、本発明では、ＥＧＲ弁１４の開度が、図４に示される機関負荷Ｌおよび機関回転数ＮＥに応じたＥＧＲ弁目標開度ＳＡとされる。このとき、ＥＧＲ率は、図３Ｂに示される目標ＥＧＲ率ＲＡとなる。図５Ａは、この場合の機能構成図を示している。即ち、本発明では、機関負荷および機関回転数に応じて、図４に示されるマップから、ＥＧＲ弁目標開度ＳＡが求められる。

さて、前述したように、排気ガス再循環システムに異常が生じてＥＧＲ率が目標ＥＧＲ率ＲＡに一致しなくなると種々の問題を生じ、従って、排気ガス再循環システムに異常が生じた場合には、排気ガス再循環システムに異常が生じたことを早急に検出する必要がある。この場合、例えば、ＥＧＲ弁１４或いはＥＧＲ通路１３が目詰まりし、目詰まり異常を生じた場合には、ＥＧＲ弁１４の開度が一定であっても、ＥＧＲ通路１３からサージタンク６内に再循環される排気ガス量が減少し、その結果、ＥＧＲ率が低下する。従って、ＥＧＲ弁１４の開度の変化からＥＧＲ率が低下したことを判別することができない。

これに対し、ＥＧＲ通路１３からサージタンク６内に再循環される排気ガス量が減少すると、サージタンク６内の圧力が低下すると共に、吸入空気量が増大する。即ち、サージタンク６内の圧力および吸入空気量が、ＥＧＲ率の影響を大きく受けることになる。一方、目標ＥＧＲ率ＲＡは、機関負荷Ｌおよび機関回転数ＮＥが定まると定まる。従って、機関負荷Ｌ、機関回転数ＮＥ、サージタンク６内の圧力および吸入空気量が変化すると、ＥＧＲ率が、機関負荷Ｌ、機関回転数ＮＥ、サージタンク６内の圧力および吸入空気量に対応したＥＧＲ率に変化することになる。そこで、本発明では、図５Ｂの機能構成図に示されるように、ニューラルネットワークを用いて、機関負荷Ｌ、機関回転数ＮＥ、サージタンク６内の圧力および吸入空気量から目標ＥＧＲ率の推定値を求め、この目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常を検出するようにしている。

図５Ａおよび図５Ｂは、本発明を実施可能な最も単純な構成を示しており、この構成を用いて、排気ガス再循環システムの異常を検出することが可能である。一方、図６から図８Ｂは、目標ＥＧＲ率およびＥＧＲ弁目標開度ＳＡを、もう少しきめ細かく設定した場合の実施例を示しており、以下、図６から図８Ｂに示されるように、目標ＥＧＲ率およびＥＧＲ弁目標開度ＳＡを、きめ細かく設定するようにした実施例を例にとって、本発明について説明する。

図６を参照すると、本発明による実施例では、機関負荷Ｌおよび機関回転数ＮＥに基づき図３Ｂに示されるマップから算出された基本ＥＧＲ率ＲＡが、大気圧、吸気温および機関冷却水温により補正されると共に、機関負荷Ｌおよび機関回転数ＮＥに基づき図４に示されるマップから算出されたＥＧＲ弁目標開度ＳＡが、大気圧、吸気温および機関冷却水温により補正される。即ち、本発明による実施例では、機関負荷Ｌおよび機関回転数ＮＥに基づき図３Ｂに示されるマップから算出された基本ＥＧＲ率ＲＡに、大気圧、吸気温および機関冷却水温に基づき算出された補正値が乗算され、乗算結果が目標ＥＧＲ率ＲＡＯとされる。更に、図６に示されるように、機関負荷Ｌおよび機関回転数ＮＥに基づき図４に示されるマップから算出されたＥＧＲ弁目標開度ＳＡに、大気圧、吸気温および機関冷却水温に基づき算出された補正値が乗算され、乗算結果が最終的なＥＧＲ弁目標開度ＳＡとされる。

図７には、基本ＥＧＲ率ＲＡに対する大気圧ＰＡに応じた補正値ＫＡと、基本ＥＧＲ率ＲＡに対する吸気温ＴＭに応じた補正値ＫＢと、基本ＥＧＲ率ＲＡに対する機関冷却水温ＴＷに応じた補正値ＫＣの一例が示されている。図７に示される例では、補正値ＫＡ、ＫＢ，ＫＣは、燃焼が悪化して失火を生じないように定められている。即ち、大気圧ＰＡが低くなるほど吸入空気中の酸素濃度が低下する。従って、大気圧ＰＡが低下したときに目標ＥＧＲ率ＲＡが一定に維持されていると、大気圧ＰＡが低くなるほど失火が生じ易くなる。従って、大気圧ＰＡが低くなっても失火が生じないようにするために、図７に示されるように、大気圧ＰＡが低くなるほど、補正値ＫＡが低下せしめられる。なお、図７においてＰＡＯは標準大気圧（0.1013MPa）を示しており、大気圧ＰＡが標準大気圧ＰＡＯ以上であるときには、補正値ＫＡが１．０とされる。

一方、図７において、吸気温ＴＭが基準温度ＴＭＯ（例えば、５℃）よりも高いときには失火が生じず、従って、吸気温ＴＭが基準温度ＴＭＯよりも高いときには、補正値ＫＢが１．０とされる。これに対し、吸気温ＴＭが基準温度ＴＭＯよりも低いときには、目標ＥＧＲ率ＲＡが一定に維持されていると、吸気温ＴＭが低くなるほど失火が生じ易くなる。従って、吸気温ＴＭが低くなっても失火が生じないようにするために、図７に示されるように、吸気温ＴＭが低くなるほど、補正値ＫＣが低下せしめられる。

一方、図７において、機関冷却水温ＴＷが基準温度ＴＷＯ（例えば、７０℃）よりも高いときには失火が生じず、従って、機関冷却水温ＴＷが基準温度ＴＷＯよりも高いときには、補正値ＫＣが１．０とされる。これに対し、機関冷却水温ＴＷが基準温度ＴＷＯよりも低いときには、目標ＥＧＲ率ＲＡが一定に維持されていると、機関冷却水温ＴＷが低くなるほど失火が生じ易くなる。従って、機関冷却水温ＴＷが低くなっても失火が生じないようにするために、図７に示されるように、機関冷却水温ＴＷが低くなるほど、補正値ＫＢが低下せしめられる。

基本ＥＧＲ率ＲＡに対する補正値ＫＫＲＡは、図７に示される補正値ＫＡ、補正値ＫＢおよび補正値ＫＣの積（ＫＡ・ＫＢ・ＫＣ）で表される。従って、本発明による実施例では、機関負荷Ｌおよび機関回転数ＮＥに基づき図３Ｂに示されるマップから算出された基本ＥＧＲ率ＲＡに、大気圧、吸気温および機関冷却水温に基づき算出された補正値ＫＫＲＡ（＝ＫＡ・ＫＢ・ＫＣ）が乗算され、乗算結果が目標ＥＧＲ率ＲＡＯとされる。この場合、補正値ＫＫＲＡ（＝ＫＡ・ＫＢ・ＫＣ）は１．０以下であり、従って、目標ＥＧＲ率ＲＡＯは、機関負荷Ｌおよび機関回転数ＮＥに基づき図３Ｂに示されるマップから算出された基本ＥＧＲ率ＲＡ以下となる。なお、失火が生じやすいのは機関負荷が低いときである。従って、機関負荷Ｌが低い予め定められた機関低負荷運転領域における基本ＥＧＲ率ＲＡのみに補正値ＫＫＲＡを乗算することもできる。

ところで、このような目標ＥＧＲ率ＲＡＯの低下制御は、ＥＧＲ弁目標開度ＳＡを低下させることによって行われる。本発明による実施例では、目標ＥＧＲ率ＲＡＯを単位ＥＧＲ率だけ低下させるのに必要なＥＧＲ弁目標開度ＳＡの補正量ＫＳＡが予め求められており、このＥＧＲ弁目標開度ＳＡの補正量ＫＳＡは、例えば、図８に示されるようなマップの形で、機関負荷Ｌおよび機関回転数ＮＥの関数として、予めメモリ３２内に記憶されている。この場合、ＥＧＲ弁目標開度ＳＡに対する補正値ＫＫＳＡは、図８に示されるマップから算出された補正量ＫＳＡに、基本ＥＧＲ率ＲＡに対する補正値ＫＫＲＡを乗算した値（ＫＳＡ・ＫＫＲＡ）とされる。

従って、本発明による実施例では、図６に示されるように、機関負荷Ｌおよび機関回転数ＮＥに基づき図４に示されるマップから算出されたＥＧＲ弁目標開度ＳＡに、大気圧、吸気温および機関冷却水温に基づき算出された補正値ＫＫＳＡ（＝ＫＳＡ・ＫＫＲＡ）が乗算され、乗算結果が最終的なＥＧＲ弁目標開度ＳＡとされる。

さて、本発明による実施例では、ニューラルネットワークを用いて、目標ＥＧＲ率ＲＡＯの推定モデルが作成され、この目標ＥＧＲ率推定モデルにより求められた目標ＥＧＲ率ＲＡＯの推定値と目標ＥＧＲ率ＲＡＯとの差に基づいて、排気ガス再循環システムの異常が検出される。そこで最初に、この目標ＥＧＲ率推定モデルの作成に用いられるニューラルネットワークについて図９を参照しつつ説明する。図９を参照すると、このニューラルネットワーク５０においても、図２に示されるニューラルネットワークと同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。図９に示されるように、入力層 ( L＝１) がｎ個のノードからなり、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが、入力層 ( L＝１) の各ノードに入力されている。一方、図９には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。なお、出力層 ( L＝４) のノードの数は１個とされており、出力層のノードからの出力値がｙで示されている。この場合、出力値ｙは、目標ＥＧＲ率ＲＡの推定値となる。

次に、図９における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎについて、図１０に示される一覧表を参照しつつ説明する。さて、上述したように、ＥＧＲ通路１３からサージタンク６内に再循環される排気ガス量が減少すると、サージタンク６内の圧力、即ち、吸気圧が低下すると共に、吸入空気量が増大する。即ち、吸気圧および吸入空気量が、ＥＧＲ率の影響を大きく受けることになる。一方、基本ＥＧＲ率ＲＡは、機関負荷Ｌおよび機関回転数ＮＥが定まると定まる。従って、機関負荷Ｌ、機関回転数ＮＥ、吸気圧および吸入空気量が変化すると、ＥＧＲ率が、機関負荷Ｌ、機関回転数ＮＥ、吸気圧および吸入空気量に対応したＥＧＲ率に変化することになる。

このようにＥＧＲ率は、機関負荷Ｌ、機関回転数ＮＥ、吸気圧および吸入空気量によって支配されているので、図１０には、機関負荷Ｌ、機関回転数ＮＥ、吸気圧および吸入空気量が、必須の入力パラメータとして列挙されている。一方、前述したように、失火の発生を阻止するためには、大気圧、吸気温および機関冷却水温に応じて、基本ＥＧＲ率ＲＡを補正することが好ましい。これら大気圧、吸気温および機関冷却水温は必須の入力パラメータではなく、従って、図１０に示されるように、これら大気圧、吸気温および機関冷却水温は、補助的な入力パラメータとして列挙されている。

本発明では、基本的には、これら必須の入力パラメータのみの値が図９における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとされる。この場合、これら必須の入力パラメータの値に加えて、補助的な入力パラメータの値を図９における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとすることもできる。なお、前述したように、本発明による実施例では、必須の入力パラメータの値に加えて、補助的な入力パラメータの値も図９における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとしている。従って、以下、必須の入力パラメータの値に加えて、補助的な入力パラメータの値も図９における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとした場合を例にとって、本発明による実施例について説明する。

図１１は、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと、教師データｙｔとを用いて作成された訓練データセットを示している。この図１１において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、夫々、機関負荷Ｌ、機関回転数ＮＥ、吸気圧、吸入空気量、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷを示している。この場合、機関負荷Ｌおよび機関回転数ＮＥは電子制御ユニット３０内において算出されており、吸気圧は吸気圧センサ１６により検出されており、吸入空気量は吸入空気量検出器８により検出されており、大気圧は大気圧センサ１８により検出されており、吸気温は吸気温センサ１７により検出されており、機関冷却水温ＴＷは水温センサ１９により検出されている。

一方、図１１における教師データｙｔは目標ＥＧＲ率ＲＡＯを示している。図１１に示されるように、この訓練データセットでは、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと教師データｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_{２２・・・}ｘ_ｍ−１２、ｘ_ｍ２と教師データｙｔ_２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_{２ｍ−１・・・}ｘ_{ｎ−１ｍ−１}、ｘ_ｎｍ−１と教師データｙｔ_ｍ−１が列挙されている。

本発明による実施例では、図１１に示される訓練データセットを用いて、図９に示されるニューラルネットワーク５０の重みの学習が行われる。そこで次に、図１１に示される訓練データセットの作成方法について説明する。図１２に、訓練データセットの作成方法の一例が示されている。図１２を参照すると、図１に示される機関本体１が、室内圧力および室内温度を調整可能な密閉試験室２１内に設置され、この密閉試験室２１内には、機関冷却水の温度を任意に調整することのできる機関冷却水温調整装置が設置されている。密閉試験室２１内に設置された機関本体１は、試験制御装置６０により、訓練データセットを作成するための機関の運転処理が行われる。なお、図１２に示される機関本体１では、ＥＧＲ率を実測するために、サージタンク６内にサージタンク６内のガスのＣＯ_２濃度を検出するためのＣＯ_２濃度センサ２２が追加設置されており、更にＥＧＲ通路１３内にＥＧＲ通路１３内の再循環排気ガスのＣＯ_２濃度を検出するためのＣＯ_２濃度センサ２３が追加設置されている。

次に、これら一対のＣＯ_２濃度センサ２２、２３によりＥＧＲ率を実測する方法について説明する。
外気中からサージタンク６内に流入する吸入空気量をＱＡとし、ＥＧＲ通路１３からサージタンク６内に流入する再循環排気ガス量をＱＥとし、サージタンク６内のＣＯ_２濃度を〔ＣＯ_２〕in とし, ＥＧＲ通路１３内のＣＯ_２濃度を〔ＣＯ_２〕ex とし, 外気中のＣＯ_２濃度を〔ＣＯ_２〕out とすると、外気中からサージタンク６内に流入するＣＯ_２の量とＥＧＲ通路１３からサージタンク６内に流入するＣＯ_２の量との和は、サージタンク６内のＣＯ_２の量と等しくなるので、次式が成立する。

一方、ＥＧＲ率は次式で表される。

上式（９）を上式（１０）に代入すると、ＥＧＲ率は次式で表される。

即ち、ＥＧＲ率は、サージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in , ＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex および 外気中のＣＯ_２濃度〔ＣＯ_２〕out の関数となる。

ここでサージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in および ＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex は、夫々、ＥＧＲ弁１４が開弁してＥＧＲ通路１３からサージタンク６内に再循環排気ガスが流入しているときにＣＯ_２濃度センサ２２および２３により検出でき、外気中のＣＯ_２濃度〔ＣＯ_２〕out は、ＥＧＲ弁１４が閉弁してＥＧＲ通路１３からサージタンク６内への再循環排気ガスの流入が停止せしめられているときにＣＯ_２濃度センサ２２により検出できる。本発明による実施例では、ＥＧＲ弁１４を開閉させつつＣＯ_２濃度センサ２２および２３の検出値から、サージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in , ＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex および 外気中のＣＯ_２濃度〔ＣＯ_２〕out が求められ、これらサージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in , ＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex および 外気中のＣＯ_２濃度〔ＣＯ_２〕out から、上式（１１）を用いてＥＧＲ率が実測される。

さて、本発明による実施例では、試験制御装置６０において、訓練データセットを作成するためのデータが取得され、更に、データを取得しているときに図４に示されるＥＧＲ弁目標開度ＳＡのマップを作成する処理が行われる。この場合、この試験制御装置６０では、機関負荷Ｌを表す入力値ｘ_１、機関回転数ＮＥを表す入力値ｘ_２、吸気圧を表す入力値ｘ_３、吸入空気量を表す入力値ｘ_４、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７を順次変化させつつ、訓練データセットを作成ためのデータが取得され、併せて、図４に示されるＥＧＲ弁目標開度ＳＡのマップを作成する処理が行われる。

図１３および図１４は、試験制御装置６０において実行されるＥＧＲ弁目標開度マップおよび訓練データセットを作成するためのルーチンを示している。
図１３を参照すると、まず初めに、ステップ１００において、機関負荷Ｌを表す入力値を表す入力値ｘ_１および機関回転数ＮＥを表す入力値ｘ_２が初期値とされ、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が標準値、即ち、１．０とされる。次いでステップ１０１では、図３Ｂに示される基本ＥＧＲ率ＲＡが、目標ＥＧＲ率ＲＡＯとされる。次いでステップ１０２では、実測されたＥＧＲ率が目標ＥＧＲ率ＲＡＯとなるときの種々のデータが取得される。このステップ１０２における種々のデータの取得処理は、図１５に示されるサブルーチンにおいて実行される。

従って、ここで図１５に示されるサブルーチンについて先に説明する。図１５を参照すると、まず初めに、ステップ１２０において、目標ＥＧＲ率ＲＡＯが読み込まれる。次いでステップ１２１では、ＥＧＲ弁１４が閉弁せしめられる。次いでステップ１２２では、一定時間経過したか否かが判別され、一定時間経過したときにはステップ１２３に進む。ステップ１２３では、ＣＯ_２濃度センサ２２によりサージタンク６内のＣＯ_２濃度が検出される。このときにはサージタンク６内に外気が流入しているので、このときＣＯ_２濃度センサ２２によって検出されるのは、外気中のＣＯ_２濃度〔ＣＯ_２〕out となる。即ち、ステップ１２３では、ＣＯ_２濃度センサ２２によって、外気中のＣＯ_２濃度〔ＣＯ_２〕out が検出される。

次いでステップ１２４では、ＥＧＲ弁１４が開弁せしめられると共に、ＥＧＲ弁１４の開度が小さな初期値とされる。次いでステップ１２５では、一定時間経過したか否かが判別され、一定時間経過したときにはステップ１２６に進む。ステップ１２６では、ＣＯ_２濃度センサ２２によりサージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in が検出され、ＣＯ_２濃度センサ２３によりＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex が検出される。次いでステップ１２７では、ステップ１２３において検出された外気中のＣＯ_２濃度〔ＣＯ_２〕outと、ステップ１２６において検出されたサージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in およびＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex に基づいて、上式（１１）からＥＧＲ率が算出される。このＥＧＲ率はＥＧＲ率の実測値を示している。

次いでステップ１２８では、算出されたＥＧＲ率、即ち、ＥＧＲ率の実測値が、目標ＥＧＲ率ＲＡＯから小さな一定値αを減算した値（ＲＡＯ―α）と、目標ＥＧＲ率ＲＡＯに小さな一定値αを加算した値（ＲＡＯ＋α）との間にあるか否か、即ち、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったか否かが判別される。ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになっていないと判別されたときにはステップ１２９に進んで、ＥＧＲ弁１４の開度が小さな一定開度だけ増大される。次いでステップ１２５に戻る。次いでステップ１２６では、再びＣＯ_２濃度センサ２２によりサージタンク６内のＣＯ_２濃度〔ＣＯ_２〕in およびＥＧＲ通路１３内のＣＯ_２濃度〔ＣＯ_２〕ex が検出され、ステップ１２７では、ＥＧＲ率が算出され、ステップ１２８では、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったか否かが判別される。

ステップ１２８において、算出されたＥＧＲ率、即ち、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったと判別されたときには、ステップ１３０に進む。ステップ１３０では、このときの全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎ、即ち、機関負荷Ｌを表す入力値を表す入力値ｘ_１および機関回転数ＮＥを表す入力値ｘ_２、吸気圧を表す入力値ｘ_３、吸入空気量を表す入力値ｘ_４、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が試験制御装置６０のメモリ内に記憶され、このときの目標ＥＧＲ率ＲＡＯ，即ち、図３Ｂに示される基本ＥＧＲ率ＲＡが、教師データｙｔとして試験制御装置６０のメモリ内に記憶される。このとき試験制御装置６０のメモリ内に記憶された入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔは、図１１におけるＮｏ．１のデータセットを構成している。

ステップ１３０において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔが試験制御装置６０のメモリ内に記憶されると、図１３のステップ１０３に進む。ステップ１０３では、このときの、即ち、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときのＥＧＲ弁１４の開度が、ＥＧＲ弁開度センサ２０により検出され、検出されたＥＧＲ弁１４の開度が、ＥＧＲ弁目標開度ＳＡとして、図４に示されるマップに記憶される。従って、図４に示すマップに記憶されているＥＧＲ弁目標開度ＳＡは、ＥＧＲ率を目標ＥＧＲ率ＲＡＯに一致させるのに必要なＥＧＲ弁１４の開度を示していることになる。

次いでステップ１０４では、入力値ｘ_１と入力値ｘ_２との全ての組み合わせについて、即ち、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについて、データの取得が完了したか否かが判別される。入力値ｘ_１と入力値ｘ_２との全ての組み合わせについてデータの取得が完了していないと判別されたときには、ステップ１０５に進んで、入力値ｘ_１と入力値ｘ_２のいずれか一方、即ち、機関負荷Ｌと機関回転数ＮＥのいずれか一方が変更される。次いでステップ１０１では、変更後の機関負荷Ｌと機関回転数ＮＥに基づき取得された図３Ｂに示される基本ＥＧＲ率ＲＡが、目標ＥＧＲ率ＲＡＯとされる。

次いでステップ１０２では、図１５に示されるサブルーチンにより、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときの全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔが試験制御装置６０のメモリ内に記憶される。それにより入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔからなる新たなデータセットが形成される。次いでステップ１０３では、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときのＥＧＲ弁１４の開度が、ＥＧＲ弁目標開度ＳＡとして、図４に示されるマップに記憶される。このようなデータの取得作用が、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについてのデータの取得が完了するまで、繰り返し行われる。

ステップ１０４において、入力値ｘ_１と入力値ｘ_２との全ての組み合わせについて、即ち、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについて、データの取得が完了したと判別されたときには、ステップ１０６に進んで、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が標準値、即ち、１．０でないときに、これら入力値ｘ_５、入力値ｘ_６および入力値ｘ_７を順次変更したときのデータが取得される。この場合、本発明による実施例では、入力値ｘ_５は、図７に示されるように間隔を隔てた複数個の大気圧ＰＡ_１、ＰＡ_２、ＰＡ_３、・・・ＰＡ_ｊ、に順次変更され、入力値ｘ_６は、図７に示されるように間隔を隔てた複数個の吸気温ＭＴ_１、ＭＴ_２、ＭＴ_３、・・・ＭＴ_ｊ、に順次変更され、入力値ｘ_７は、図７に示されるように間隔を隔てた複数個の機関冷却水温ＴＷ_１、ＴＷ_２、ＴＷ_３、・・・ＡＴＷ_ｊ、に順次変更される。

即ち、まず初めにステップ１０６では、全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが初期値とされる。次いでステップ１０７では、図７に示される関係から、大気圧ＰＡに応じた補正値ＫＡと、吸気温ＴＭに応じた補正値ＫＢと、機関冷却水温ＴＷに応じた補正値ＫＣが算出され、これら補正値ＫＡ、補正値ＫＢ、補正値ＫＣから、基本ＥＧＲ率ＲＡに対する補正値ＫＫＲＡ（＝ＫＡ・ＫＢ・ＫＣ）が算出される。次いでステップ１０８では、図３Ｂに示される基本ＥＧＲ率ＲＡに補正値ＫＫＲＡを乗算した値ＫＫＲＡ・ＲＡが、目標ＥＧＲ率ＲＡＯとされる。

次いで、ステップ１０９では、図１５に示されるサブルーチンにより、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときの全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔが試験制御装置６０のメモリ内に記憶される。それにより入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔからなる新たなデータセットが形成される。次いでステップ１１０では、入力値ｘ_１と入力値ｘ_２との全ての組み合わせについて、即ち、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについて、データの取得が完了したか否かが判別される。入力値ｘ_１と入力値ｘ_２との全ての組み合わせについてデータの取得が完了していないと判別されたときには、ステップ１１１に進んで、入力値ｘ_１と入力値ｘ_２のいずれか一方、即ち、機関負荷Ｌと機関回転数ＮＥのいずれか一方が変更される。

次いでステップ１０７では、変更後の機関負荷Ｌと機関回転数ＮＥに基づき補正値ＫＫＲＡが算出される。このときには、いずれの入力値ｘ_５、入力値ｘ_６および入力値ｘ_７も変更されていないので、補正値ＫＫＲＡは同じ値に維持される。次いでステップ１０８では、変更後の機関負荷Ｌと機関回転数ＮＥに基づき取得された図３Ｂに示される基本ＥＧＲ率ＲＡに補正値ＫＫＲＡを乗算した値ＫＫＲＡ・ＲＡが、目標ＥＧＲ率ＲＡＯとされる。ステップ１０９では、図１５に示されるサブルーチンにより、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときの全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔが試験制御装置６０のメモリ内に記憶される。それにより入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔからなる新たなデータセットが形成される。このようなデータの取得作用が、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについてのデータの取得が完了するまで、繰り返し行われる。

ステップ１１０において、入力値ｘ_１と入力値ｘ_２との全ての組み合わせについて、即ち、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについて、データの取得が完了したと判別されたときには、ステップ１１２に進んで、入力値ｘ_５、入力値ｘ_６および入力値ｘ_７の全ての組み合わせについて、即ち、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷの全ての組み合わせについて、データの取得が完了したか否かが判別される。入力値ｘ_５、入力値ｘ_６および入力値ｘ_７の全ての組み合わせについてデータの取得が完了していないと判別されたときには、ステップ１１３に進んで、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷのいずれか一つが変更される。次いでステップ１１４では、入力値ｘ_１と入力値ｘ_２が初期化される。次いで再びステップ１０７に戻る。

このときには、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷのいずれか一つが変更されているので、ステップ１０７において補正値ＫＫＲＡが更新される。次いでステップ１０８では、目標ＥＧＲ率ＲＡＯが算出され、ステップ１０９では、図１５に示されるサブルーチンにより、ＥＧＲ率の実測値が目標ＥＧＲ率ＲＡＯになったときの全ての入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔが試験制御装置６０のメモリ内に記憶される。それにより入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび教師データｙｔからなる新たなデータセットが形成される。このようなデータの取得作用が、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについてのデータの取得が完了するまで、繰り返し行われる。

ステップ１１０において、機関負荷Ｌと機関回転数ＮＥとの全ての組み合わせについて、データの取得が完了したと判別されたときには、ステップ１１２に進み、ステップ１１２において、入力値ｘ_５、入力値ｘ_６および入力値ｘ_７の全ての組み合わせについて、即ち、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷの全ての組み合わせについて、データの取得が完了していないと判別されたときには、ステップ１１３に進んで、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷのいずれか一つが変更される。次いで、再び、データの取得作用が行われる。このようなデータの取得作用が、大気圧ＰＡ、吸気温ＭＴおよび機関冷却水温ＴＷの全ての組み合わせについてのデータの取得が完了するまで、繰り返し行われる。

このようにして、訓練データセットを作成するのに必要なデータが取得される。即ち、図１１に示される訓練データセットのＮｏ．１からＮｏ．ｍの入力値ｘ_１ｍ、ｘ_{２ｍ・・・}ｘ_ｎｍ−１、ｘ_ｎｍと教師データｙｔ_ｍ（ｍ＝１，２，３・・・ｍ）とが、試験制御装置６０のメモリ内に記憶される。それにより図１１に示されるような訓練データセットが作成される。このようにして作成された訓練データセットの電子データを用いて、図９に示されるニューラルネットワーク５０の重みの学習が行われる。

図１２に示される例では、ニューラルネットワークの重みの学習を行うための学習装置６１が設けられている。この学習装置６１としてパソコンを用いることもできる。図１２に示されるように、この学習装置６１は、ＣＰＵ（マイクロプロセッサ）６２と、記憶装置６３、即ち、メモリ６３とを具備している。図１２に示される例では、図９に示されるニューラルネットワーク５０のノード数、および作成された訓練データセットの電子データが学習装置６１のメモリ６３に記憶され、ＣＰＵ６２においてニューラルネットワーク５０の重みの学習が行われる。

図１６は、学習装置６１において行われるニューラルネットワーク５０の重みの学習処理ルーチンを示す。
図１６を参照すると、まず初めに、ステップ２００において、学習装置６１のメモリ６３に記憶されているニューラルネットワーク５０に対する訓練データセットの各データが読み込まれる。次いで、ステップ２０１において、ニューラルネットワーク５０の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が読み込まれ、次いで、ステップ２０２において、これらノード数に基づき、図９に示されるようなニューラルネットワーク５０が作成される。

次いで、ステップ２０３では、ニューラルネットワーク５０の重みの学習が行われる。このステップ２０３では、最初に、図１１の１番目（No. 1）の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎがニューラルネットワーク５０の入力層 ( L＝１) の各ノードに入力される。このときニューラルネットワーク５０の出力層からは、目標ＥＧＲ率の推定値を示す出力値ｙが出力される。ニューラルネットワーク５０の出力層から出力値ｙが出力されると、この出力値ｙと１番目（No. 1）の教師データｙｔ_１との間の二乗誤差Ｅ＝１/２(ｙ−ｙ_ｔ１)^２が算出され、この二乗誤差Ｅが小さくなるように、前述した誤差逆伝播法を用いて、ニューラルネットワーク５０の重みの学習が行われる。

図１１の１番目（No. 1）のデータに基づくニューラルネットワーク５０の重みの学習が完了すると、次に、図１１の２番目（No. ２）のデータに基づくニューラルネットワーク５０の重みの学習が、誤差逆伝播法を用いて行われる。同様にして、図１１のｍ番目（No. ｍ）まで順次、ニューラルネットワーク５０の重みの学習が行われる。図１１の１番目（No. 1）からｍ番目（No. ｍ）までの全てについてニューラルネットワーク５０の重みの学習が完了すると、ステップ２０４に進む。

ステップ２０４では、例えば、図１１の１番目（No. 1）からｍ番目（No. ｍ）までの全てのニューラルネットワークの出力値ｙと教師データｙｔとの間の二乗和誤差Ｅが算出され、この二乗和誤差Ｅが、予め設定された設定誤差以下になったか否かが判別される。二乗和誤差Ｅが、予め設定された設定誤差以下になっていないと判別されたときには、ステップ２０３に戻り、再度、図１１に示される訓練データセットに基づいて、ニューラルネットワーク５０の重み学習が行われる。次いで、二乗和誤差Ｅが、予め設定された設定誤差以下になるまで、ニューラルネットワーク５０の重みの学習が続行される。ステップ２０４において、二乗和誤差Ｅが、予め設定された設定誤差以下になったと判別されたときには、ステップ２０５に進んで、ニューラルネットワーク５０の学習済み重みが学習装置６１のメモリ６３内に記憶される。このようにして、目標ＥＧＲ率の推定モデルが作成される。

本発明による実施例では、このようにして作成された目標ＥＧＲ率の推定モデルを用いて、市販車両における排気ガス再循環システムの異常検出が行われる、そのためにこの目標ＥＧＲ率の推定モデルが市販車両の電子制御ユニット３０に格納される。図１７は、目標ＥＧＲ率の推定モデルを市販車両の電子制御ユニット３０に格納するために、電子制御ユニット３０において行われる電子制御ユニットへのデータ読み込みルーチンを示している。

図１７を参照すると、まず初めに、ステップ３００において、図９に示されるニューラルネットワーク５０の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が電子制御ユニット３０のメモリ３２に読み込まれ、次いで、ステップ３０１において、これらノード数に基づき、図９に示されるようなニューラルネットワーク５０が作成される。次いで、ステップ３０２において、このニューラルネットワーク５０の学習済み重みが電子制御ユニット３０のメモリ３２に読み込まれる。それにより目標ＥＧＲ率の推定モデルが市販車両の電子制御ユニット３０に格納される。

図１８は、市販車両の電子制御ユニット３０において実行されるＥＧＲ弁目標開度を求めるための機能構成図を示している。図１８を参照すると、図１８には、機関負荷Ｌを表す入力値ｘ_１機関回転数ＮＥを表す入力値ｘ_２、吸気圧を表す入力値ｘ_３、吸入空気量を表す入力値ｘ_４、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が示されている。更に図１８には、５個の機能ブロックＡ，Ｂ，Ｃ，Ｄ、Ｅが示されている。

図１８に示されるように、機能ブロックＡでは、機関負荷（ｘ_１）および機関回転数（ｘ_２）に基づいて、図４に示されるマップから、ＥＧＲ弁目標開度ＳＡが算出される。一方、機能ブロックＣでは、図３Ｂに示される基本ＥＧＲ率ＲＡと、図７に示される補正値ＫＡ、補正値ＫＢ、補正値ＫＣから、目標ＥＧＲ率ＲＡＯ（＝ＫＫＲＡ・ＲＡ）が算出される。機能ブロックＢでは、この目標ＥＧＲ率ＲＡＯと、図８に示される補正量ＫＳＡから、ＥＧＲ弁目標開度ＳＡの補正量ＫＫＳＡ（＝ＫＳＡ・ＲＡＯ）が算出され、ＥＧＲ弁目標開度ＳＡにこの補正値ＫＫＳＡを乗算することにより、ＥＧＲ弁目標開度ＳＡＯ（＝ＳＡ・ＫＫＳＡ）が算出される。

一方、機能ブロックＤでは、ニューラルネットワーク５０を用いて、機関負荷（ｘ_１）、機関回転数（ｘ_２）、吸気圧（ｘ_３）、吸入空気量（ｘ_４）、大気圧（ｘ_５）、吸気温（ｘ_６）および機関冷却水温ＴＷ（ｘ_７）から、目標ＥＧＲ率ＲＡＯの推定値ｙが算出される。機能ブロックＥでは、目標ＥＧＲ率ＲＡＯの推定値ｙが目標ＥＧＲ率ＲＡＯに一致するように、ＥＧＲ弁目標開度ＳＡＯ（＝ＳＡ・ＫＫＳＡ）がフィードバック補正される。

図１９は、市販車両において車両走行中に行われるＥＧＲ制御ルーチンを示している。このＥＧＲ制御ルーチンは一定時間毎の割り込みによって実行される。
図１９を参照すると、まず初めに、ステップ４００において、機関負荷Ｌを表す入力値ｘ_１、機関回転数ＮＥを表す入力値ｘ_２、吸気圧を表す入力値ｘ_３、吸入空気量を表す入力値ｘ_４、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が読み込まれる。次いでステップ４０１では、図３Ｂに示されるマップから基本ＥＧＲ率ＲＡが算出される。次いでステップ４０２では、図７に示される補正値ＫＡ、補正値ＫＢ、補正値ＫＣから、補正値ＫＫＲＡ（＝ＫＡ・ＫＢ・ＫＣ）が算出される。次いでステップ４０３では、目標ＥＧＲ率ＲＡＯ（＝ＫＫＲＡ・ＲＡ）が算出される。

次いでステップ４０４では、図４に示されるマップからＥＧＲ弁目標開度ＳＡが算出され、図８に示されるマップから補正値ＫＳＡが算出される。次いでステップ４０５では、ＥＧＲ弁目標開度ＳＡＯに対する補正値ＫＫＳＡ（＝ＫＫＲＡ・ＫＳＡ）が算出される。次いでステップ４０６では、ＥＧＲ弁目標開度ＳＡＯ（＝ＫＫＳＡ・ＳＡ）が算出される。次いでステップ４０７では、ニューラルネットワーク５０の入力層の各ノードに、機関負荷Ｌを表す入力値ｘ_１機関回転数ＮＥを表す入力値ｘ_２、吸気圧を表す入力値ｘ_３、吸入空気量を表す入力値ｘ_４、大気圧ＰＡを表す入力値ｘ_５、吸気温ＭＴを表す入力値ｘ_６および機関冷却水温ＴＷを表す入力値ｘ_７が入力され、このときニューラルネットワーク５０の出力層からは、目標ＥＧＲ率ＲＡＯの推定値ｙが出力される。その結果、ステップ４０８に記載されているように目標ＥＧＲ率ＲＡＯの推定値ｙが取得される。

次いでステップ４０９では、目標ＥＧＲ率ＲＡＯの推定値ｙと目標ＥＧＲ率ＲＡＯの差に定数Ｃを乗算した値がＥＧＲ弁目標開度ＳＡの補正値ΔＳＡとされる。次いでステップ４１０では、ステップ４０６において算出されたＥＧＲ弁目標開度ＳＡＯにこの補正値ΔＳＡを加算することによって、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが算出される。次いでステップ４１１では、ＥＧＲ弁１４の開度がこの最終的な目標開度ＳＡＯ＋ΔＳＡとなるように、ＥＧＲ弁１４の駆動命令が発せられる。即ち、ステップ４０９からステップ４１１では、目標ＥＧＲ率ＲＡＯの推定値ｙが目標ＥＧＲ率ＲＡＯに一致するように、ＥＧＲ弁１４の開度がフィードバック制御される。なお、図１９には、比例項のみを用いたフィードバック制御の簡単な例が示されているが、このフィードバック制御としては、ＰＩＤ制御等、種々のフィードバック制御を用いることができる。

ＥＧＲ弁１４の駆動命令が発せられると、ステップ４１２に進んで、目標ＥＧＲ率ＲＡＯ、目標ＥＧＲ率ＲＡＯの推定値ｙおよび目標ＥＧＲ率ＲＡＯの推定値ｙが取得された時刻ｔを一定時間の間、電子制御ユニット３０のメモリ３２に記憶させる記憶処理が行われる。この記憶処理は、排気ガス再循環システムの異常検出を行うためのものであり、これらの取得データは一定時間を経過すると消去される。次に、これらの取得データを用いて、車両運転中に行われる排気ガス再循環システムの異常検出方法について図２０Ａから図２６を参照しつつ説明する。

図２０Ａから図２０Ｃには、車両運転中において、目標ＥＧＲ率ＲＡＯが上昇したときの目標ＥＧＲ率ＲＡＯの時間経過に伴う変化が実線で示されており、このときの目標ＥＧＲ率ＲＡＯの推定値ｙの時間経過に伴う変化が破線で示されている。図２０Ａは排気ガス再循環システムが正常なときを示しており、このときには目標ＥＧＲ率ＲＡＯが変化しても、目標ＥＧＲ率ＲＡＯの推定値ｙは、図２０Ａに示されるように、目標ＥＧＲ率ＲＡＯに追従しながら変化する。

一方、図２０Ｂは、ＥＧＲ弁１４に応答遅れが生じている場合を示している。即ち、目標ＥＧＲ率ＲＡＯが増大すると、ＥＧＲ率を増大すべく、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが増大し、その結果、ＥＧＲ弁１４にはＥＧＲ弁１４の開度を増大すべき駆動命令が発せられる。しかしながら、ＥＧＲ弁１４に応答遅れが生じていると、ＥＧＲ弁１４にＥＧＲ弁１４の開度を増大すべき駆動命令が発せられても、ＥＧＲ弁１４の開度は増大しない。従って、図２０Ｂにおいて破線で示されるように、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙはなかなか上昇しない。

一方、本発明による実施例では、ＥＧＲ弁１４の開度に対し、フィードバック制御が行われているので、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとの差が大きくなると、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが大きく増大せしめられる。その結果、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは、図２０Ｂにおいて破線で示されるように、徐々に増大し、場合によっては、図２０Ｂに示されるようにオーバーシュートした後、目標ＥＧＲ率ＲＡＯとなる。このようにＥＧＲ弁１４に応答遅れが生じているか否かは、目標ＥＧＲ率ＲＡＯが増大したときの目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲからわかることになる。

ところで、目標ＥＧＲ率ＲＡＯの変化量が少ないときには、ＥＧＲ率差ΔＥＧＲが小さく、従って、ＥＧＲ率差ΔＥＧＲの大きさから、ＥＧＲ弁１４に応答遅れが生じているか否かを判別するのは困難である。従って、ＥＧＲ率差ΔＥＧＲの大きさから、ＥＧＲ弁１４に応答遅れが生じているか否かを判別するには、目標ＥＧＲ率ＲＡＯの変化量がある程度大きい必要がある。一方、目標ＥＧＲ率ＲＡＯの変化量がある程度大きい場合でも、目標ＥＧＲ率ＲＡＯがゆっくりと上昇したときには、ＥＧＲ弁１４に応答遅れが生じていたとしても、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは目標ＥＧＲ率ＲＡＯに追従して変化し、大きなＥＧＲ率差ΔＥＧＲが生じない。従って、目標ＥＧＲ率ＲＡＯがゆっくりと上昇したときには、ＥＧＲ率差ΔＥＧＲの大きさから、ＥＧＲ弁１４に応答遅れが生じているか否かを判別するのは困難である。

一方、目標ＥＧＲ率ＲＡＯが速い速度で上昇したときには、ＥＧＲ弁１４に応答遅れが生じている場合には、ＥＧＲ率差ΔＥＧＲが大きくなり、従って、ＥＧＲ弁１４に応答遅れが生じているか否かの判別が可能となる。従って、ＥＧＲ率差ΔＥＧＲの大きさから、ＥＧＲ弁１４に応答遅れが生じているか否かを判別するには、目標ＥＧＲ率ＲＡＯの変化量がある程度大きく、かつ目標ＥＧＲ率ＲＡＯの上昇速度が速い必要がある。そこで、本発明による実施例では、目標ＥＧＲ率ＲＡＯの上昇速度が、図２０ＣにおいてｔＸで示される一定時間の間、予め定められた上昇速度範囲内に維持されていたときに、ＥＧＲ率差ΔＥＧＲの大きさから、ＥＧＲ弁１４に応答遅れが生じているか否かを判別するようにしている。

ところで、ＥＧＲ弁１４の応答遅れが大きくなると、図２０Ｃにおいて、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとの間のハッチング領域の面積が増大し、従って、このハッチング領域の面積から、ＥＧＲ弁１４に応答遅れが生じているか否かの判別が可能となる。そこで本発明による実施例では、目標ＥＧＲ率ＲＡＯが上昇を開始したときの時刻ｔｓから、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが一定値以下となったときの時刻ｔｅまでのＥＧＲ率差ΔＥＧＲの積算値が求められ、このＥＧＲ率差ΔＥＧＲの積算値が予め設定された閾値以上のときには、ＥＧＲ弁１４に応答遅れが生じていると判別される。

図２１は、ＥＧＲ弁１４に応答遅れ異常を検出するためのルーチンを示している。このルーチンは一定時間Δｔ毎の割り込みによって実行される。
図２１を参照すると、まず初めに、ステップ５００において、ＥＧＲ弁１４の応答遅れ異常の検出が完了したことを示す検出完了フラグ１がセットされているか否かが判別される。検出完了フラグ１がセットされていないときにはステップ５０１に進んで、ＥＧＲ弁１４の応答遅れ異常を判別すべきであることを示す判定フラグがセットされているか否かが判別される。判定フラグがセットされていないときにはステップ５０２に進んで、現在の目標ＥＧＲ率ＲＡＯと、前回の割り込み時における目標ＥＧＲ率ＲＡＯとの差、即ち、目標ＥＧＲ率ＲＡＯの上昇速度ΔＲＡが算出される。

次いで、ステップ５０３では、この目標ＥＧＲ率ＲＡＯの上昇速度ΔＲＡが、予め設定されている下限速度ＲＸと上限速度ＲＹとの間にあるか否かが判別される。上昇速度ΔＲＡが、下限速度ＲＸと上限速度ＲＹとの間にあるときにはステップ５０４に進んで、図２０Ｃに示される経過時間ｔＸに割り込み時間間隔Δｔが加算される。従って、この経過時間ｔＸは、目標ＥＧＲ率ＲＡＯが上昇を開始したときからの経過時間を表していることになる。次いで、ステップ５０５では、経過時間ｔＸが設定時間Ｚを越えたか否かが判別される。経過時間ｔＸが設定時間Ｚを越えていないときには、処理サイクルを終了する。

これに対し、経過時間ｔＸが設定時間Ｚを越えたときには、ステップ５０６に進んで、判定フラグがセットされ、次いで、ステップ５０７では、経過時間ｔＸから、図２０Ｃに示される目標ＥＧＲ率ＲＡＯの上昇開始時刻ｔｓが算出される。次いで、ステップ５０８では、経過時間ｔＸがクリアされる。一方、ステップ５０３において、上昇速度ΔＲＡが、下限速度ＲＸと上限速度ＲＹとの間にないと判別されたときには、ステップ５０８にジャンプする。判定フラグがセットされると、次の処理サイクルでは、ステップ５０１からステップ５０９に進む。

ステップ５０９では、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが算出される。次いで、ステップ５１０では、ＥＧＲ率差ΔＥＧＲが―αとα（αは予め設定された小さな一定値）との間にあるか否かが判別される。ＥＧＲ率差ΔＥＧＲが―αとαとの間にないときには、ステップ５１１に進んで、ＥＧＲ率差ΔＥＧＲが―αとαとの間にない状態が一定時間以上継続したか否かが判別される。ＥＧＲ弁１４に応答遅れがない場合でもある場合でも、或る時間を経過すれば、ＥＧＲ率差ΔＥＧＲは―αとαとの間となるので、ＥＧＲ率差ΔＥＧＲが―αとαとの間にない状態が一定時間以上継続したと判別されたときには、何らかの他の異常が生じていると考えられる。従って、この場合には、ステップ５１２に進んで、判定フラグがリセットされる。

一方、ステップ５１０において、ＥＧＲ率差ΔＥＧＲが―αとαとの間にあると判別されたときには、ステップ５１３に進んで、ＥＧＲ弁１４の応答遅れ異常が生じているか否かを判定するための判定処理が行われる。この判定処理が図２２に示されている。図２２を参照すると、ステップ５２０において、電子制御ユニット３０のメモリ３２内に記憶されている各時刻ｔにおける目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとに基づいて、目標ＥＧＲ率ＲＡＯの上昇開始時刻ｔｓから現在の時刻までの各時刻における目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが算出される。この現在の時刻は、図２０Ｃに示される場合には、ｔｅに相当する。

次いで、ステップ５２１では、目標ＥＧＲ率ＲＡＯの上昇開始時刻ｔｓから現在の時刻までの各時刻におけるＥＧＲ率差ΔＥＧＲの積算値ΣΔＥＧＲが算出される。次いで、ステップ５２２では、積算値ΣΔＥＧＲが予め設定された閾値ＩＸよりも大きいか否かが判別される。積算値ΣΔＥＧＲが予め設定された閾値ＩＸよりも小さいときには、図２１のステップ５１２に進んで判定フラグがリセットされる。これに対し、積算値ΣΔＥＧＲが予め設定された閾値ＩＸよりも大きいときにはステップ５２３に進んで、異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。次いで、ステップ５２４では、検出完了フラグ１がリセットされる。

なお、これまで、目標ＥＧＲ率ＲＡＯが上昇したときのＥＧＲ率差ΔＥＧＲから、ＥＧＲ弁１４の応答遅れ異常が生じているか否かを判定するようにした例について説明してきたが、目標ＥＧＲ率ＲＡＯが低下したときにも、同様の方法で、ＥＧＲ率差ΔＥＧＲから、ＥＧＲ弁１４の応答遅れ異常が生じているか否かを判定することができる。即ち、目標ＥＧＲ率ＲＡＯが上昇したときでも、目標ＥＧＲ率ＲＡＯが低下したときでも、ＥＧＲ弁１４に応答遅れがあるときには、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが増大する。

従って、本発明による実施例では、機関運転時において、目標ＥＧＲ率が変化したときに、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が増大したときには、ＥＧＲ弁１４の応答遅れが生じていると判別される。なお、この場合、本発明による実施例では、機関運転時において、目標ＥＧＲ率が変化したときに、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差の積分値が算出され、算出された積分値が予め設定された閾値よりも大きいときには、ＥＧＲ弁の応答遅れが生じていると判別される。

一方、図２３Ａおよび図２３Ｂには、ＥＧＲ弁１４或いはＥＧＲ通路１３内に目詰まりが生じている場合において、目標ＥＧＲ率ＲＡＯが上昇したときの目標ＥＧＲ率ＲＡＯの時間経過に伴う変化が実線で示されており、このときの目標ＥＧＲ率ＲＡＯの推定値ｙの時間経過に伴う変化が破線で示されている。なお、図２３Ｂは、図２３Ａに比べて、目標ＥＧＲ率ＲＡＯが大きく増大された場合を示している。

さて、目標ＥＧＲ率ＲＡＯが増大すると、ＥＧＲ率を増大すべく、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが増大し、その結果、ＥＧＲ弁１４の開度が増大せられる。しかしながら、ＥＧＲ弁１４或いはＥＧＲ通路１３内に目詰まりが生じていると、ＥＧＲ弁１４の開度が増大しても、ＥＧＲ通路１３からサージタンク６内に流入する再循環排気ガス量が十分に増大しないために、目標ＥＧＲ率ＲＡＯの推定値ｙがなかなか上昇しない。

一方、本発明による実施例では、ＥＧＲ弁１４の開度に対し、フィードバック制御が行われているので、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとの差が大きくなると、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが大きく増大せしめられる。しかしながら、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが大きく増大せしめられても、ＥＧＲ弁１４或いはＥＧＲ通路１３内の目詰まり量が多い場合には、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは、図２３Ａおよび図２３Ｂにおいて破線で示されるように、目標ＥＧＲ率ＲＡＯまで増大しない。その結果、ＥＧＲ弁１４は全開状態となる。従って、ＥＧＲ弁１４或いはＥＧＲ通路１３内に目詰まりが生じているか否かは、目標ＥＧＲ率ＲＡＯが増大して安定したときの目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲからわかることになる。

なお、ＥＧＲ弁１４或いはＥＧＲ通路１３内の目詰まり量が多い場合には、図２３Ａおよび図２３Ｂからわかるように、目標ＥＧＲ率ＲＡＯの上昇後の大きさに関係なく、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは、或る程度までしか上昇しない。従って、目標ＥＧＲ率ＲＡＯの上昇後では、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲは、目標ＥＧＲ率ＲＡＯが高いほど大きくなる。従って、ＥＧＲ弁１４或いはＥＧＲ通路１３内に目詰まりが生じていると判別するためのＥＧＲ率差ΔＥＧＲに対する閾値ＤＸは、図２３Ｃに示されるように、目標ＥＧＲ率ＲＡＯが高くなるほど大きくされる。

図２４は、ＥＧＲ弁１４或いはＥＧＲ通路１３内に目詰まりが生じている目詰まり異常を検出するためのルーチンを示している。このルーチンは一定時間毎の割り込みによって実行される。
図２４を参照すると、まず初めに、ステップ６００において、ＥＧＲ弁１４或いはＥＧＲ通路１３内の目詰まり異常の検出が完了したことを示す検出完了フラグ２がセットされているか否かが判別される。検出完了フラグ２がセットされていないときにはステップ６０１に進んで、目標ＥＧＲ率ＲＡＯが、設定値ＸＦ以上であるか否かが判別される。即ち、目標ＥＧＲ率ＲＡＯが或る程度高くないと、ＥＧＲ率差ΔＥＧＲが生じないので、ステップ６０１では、目標ＥＧＲ率ＲＡＯが、設定値ＸＦ以上であるか否かが判別される。

次いで、ステップ６０２では、目標ＥＧＲ率ＲＡＯが一定時間以上、変化していないか否か、即ち、目標ＥＧＲ率ＲＡＯが安定しているか否かが判別される。目標ＥＧＲ率ＲＡＯが一定時間以上、変化していないとき、即ち、目標ＥＧＲ率ＲＡＯが安定しているときには、ステップ６０３に進んで、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが算出される。次いで、ステップ６０４では、図２３Ｃから、目標ＥＧＲ率ＲＡＯに応じた閾値ＤＸが算出される。次いで、ステップ６０５では、ＥＧＲ率差ΔＥＧＲが閾値ＤＸよりも大きいか否かが判別される。ＥＧＲ率差ΔＥＧＲが閾値ＤＸよりも大きいときにはステップ６０６に進んで、異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。次いで、ステップ６０７では、検出完了フラグ２がリセットされる。

即ち、この例では、機関運転時において、目標ＥＧＲ率が安定しているときに、目標ＥＧＲ率の推定値が目標ＥＧＲ率よりも低くかつ目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が閾値よりも大きいときには、ＥＧＲ弁或いはＥＧＲ通路に目詰まりが生じていると判別される。

一方、図２５Ａおよび図２５Ｂには、ＥＧＲ弁１４が完全に閉弁しない閉弁不良を生じている場合において、目標ＥＧＲ率ＲＡＯが上昇したときの目標ＥＧＲ率ＲＡＯの時間経過に伴う変化が実線で示されており、このときの目標ＥＧＲ率ＲＡＯの推定値ｙの時間経過に伴う変化が破線で示されている。なお、図２５Ｂは、図２５Ａに比べて、上昇前の目標ＥＧＲ率ＲＡＯが低い場合を示している。

さて、図２５Ａおよび図２５Ｂにおいて上昇前の目標ＥＧＲ率ＲＡＯで示されるように、目標ＥＧＲ率ＲＡＯが低い場合には、ＥＧＲ率を低下すべく、最終的なＥＧＲ弁目標開度ＳＡＯ＋ΔＳＡが低下せしめられ、その結果、ＥＧＲ弁１４の開度が低下せられる。しかしながら、ＥＧＲ弁１４が完全に閉弁しない閉弁不良を生じている場合には、ＥＧＲ弁１４に閉弁指令が発せられても、ＥＧＲ弁１４は或る開度までしか閉弁しない。これは、ＥＧＲ弁１４の開度に対し、フィードバック制御が行われているときも同じである。従って、ＥＧＲ弁１４が閉弁不良を生じている場合には、図２５Ａおよび図２５Ｂにおいて破線で示されるように、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは、或る程度までしか低下しない。従って、ＥＧＲ弁１４が閉弁不良を生じているか否かは、目標ＥＧＲ率ＲＡＯが安定しているときの目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲからわかることになる。

なお、ＥＧＲ弁１４が閉弁不良を生じているときには、図２５Ａおよび図２５Ｂにおいて上昇前の目標ＥＧＲ率ＲＡＯおよび目標ＥＧＲ率ＲＡＯの推定値ｙで示されるように、目標ＥＧＲ率ＲＡＯの大きさに関係なく、実際のＥＧＲ率の変化を表している目標ＥＧＲ率ＲＡＯの推定値ｙは、同じような値となる。従って、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲは、目標ＥＧＲ率ＲＡＯが低いほど大きくなる。従って、ＥＧＲ弁１４が閉弁不良を生じていると判別するためのＥＧＲ率差ΔＥＧＲに対する閾値ＥＸは、図２５Ｃに示されるように、目標ＥＧＲ率ＲＡＯが低くなるほど大きくされる。

図２６は、ＥＧＲ弁１４が閉弁不良を生じている閉弁異常を検出するためのルーチンを示している。このルーチンは一定時間毎の割り込みによって実行される。
図２６を参照すると、まず初めに、ステップ７００において、ＥＧＲ弁１４の閉弁異常の検出が完了したことを示す検出完了フラグ３がセットされているか否かが判別される。検出完了フラグ３がセットされていないときにはステップ７０１に進んで、目標ＥＧＲ率ＲＡＯが、設定値ＸＭ以下であるか否かが判別される。即ち、目標ＥＧＲ率ＲＡＯが或る程度低くないと、ＥＧＲ率差ΔＥＧＲが生じないので、ステップ７０１では、目標ＥＧＲ率ＲＡＯが、設定値ＸＦ以下であるか否かが判別される。

次いで、ステップ７０２では、目標ＥＧＲ率ＲＡＯが一定時間以上、変化していないか否か、即ち、目標ＥＧＲ率ＲＡＯが安定しているか否かが判別される。目標ＥＧＲ率ＲＡＯが一定時間以上、変化していないとき、即ち、目標ＥＧＲ率ＲＡＯが安定しているときには、ステップ７０３に進んで、目標ＥＧＲ率ＲＡＯと目標ＥＧＲ率ＲＡＯの推定値ｙとのＥＧＲ率差ΔＥＧＲが算出される。次いで、ステップ７０４では、図２５Ｃから、目標ＥＧＲ率ＲＡＯに応じた閾値ＥＸが算出される。次いで、ステップ７０５では、ＥＧＲ率差ΔＥＧＲが閾値ＥＸよりも大きいか否かが判別される。ＥＧＲ率差ΔＥＧＲが閾値ＥＸよりも大きいときにはステップ７０６に進んで、異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。次いで、ステップ７０７では、検出完了フラグ３がリセットされる。

即ち、この例では、機関運転時において、目標ＥＧＲ率が安定しているときに、目標ＥＧＲ率の推定値が目標ＥＧＲ率よりも高くかつ目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が閾値よりも大きいときには、ＥＧＲ弁の閉弁不良が生じていると判別される。

ところで、上述したように、本発明による実施例では、機関運転時に、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度がフィードバック制御されている。この場合、ＥＧＲ弁開度をフィードバック制御しなくても、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常を検出することができる。無論、この場合、ＥＧＲ弁開度をフィードバック制御した方が、排気ガス再循環システムの異常検出の精度は高くなる。

このようにＥＧＲ弁開度をフィードバック制御しなくても、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常を検出することができることを考慮すると、本発明では、機関から排出された排気ガスをスロットル弁下流の吸気通路に再循環させるためのＥＧＲ通路内にＥＧＲ弁を配置し、目標ＥＧＲ率が、少なくとも機関負荷および機関回転数の関数として予め記憶されており、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度が制御される排気ガス再循環システムの異常検出装置において。機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量からなる少なくとも四つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関運転時に、この学習済みニューラルネットワークを用いて、上述のパラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常が検出される。

この場合、本発明による実施例では、目標ＥＧＲ率が、機関負荷、機関回転数、大気圧、吸気温および機関冷却水温の関数として予め記憶されており、機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量と、大気圧と、吸気温と、機関冷却水温からなる七つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関運転時に、この学習済みニューラルネットワークを用いて、上述の七つのパラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常が検出される。

１ 機関本体
６ サージタンク
８ 吸入空気量検出器
１０ 排気マニホルド
１１ スロットル弁
１３ ＥＧＲ通路
１４ ＥＧＲ弁
１５ ＥＧＲクーラ
１６ 吸気圧センサ
１７ 吸気温センサ
１８ 大気圧センサ
１９ 水温センサ
３０ 電子制御ユニット

Claims (7)

1. 機関から排出された排気ガスをスロットル弁下流の吸気通路に再循環させるためのＥＧＲ通路内にＥＧＲ弁を配置し、目標ＥＧＲ率が、少なくとも機関負荷および機関回転数の関数として予め記憶されており、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度が制御される排気ガス再循環システムの異常検出装置において、機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量からなる少なくとも四つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関運転時に、該学習済みニューラルネットワークを用いて、上記パラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常が検出される排気ガス再循環システムの異常検出装置。
2. 機関運転時に、ＥＧＲ率が目標ＥＧＲ率となるようにＥＧＲ弁開度がフィードバック制御される請求項１に記載の排気ガス再循環システムの異常検出装置。
3. 目標ＥＧＲ率が、機関負荷、機関回転数、大気圧、吸気温および機関冷却水温の関数として予め記憶されており、機関負荷と、機関回転数と、スロットル弁下流の吸気通路内の吸気圧と、機関への吸入空気量と、大気圧と、吸気温と、機関冷却水温からなる七つのパラメータをニューラルネットワークの入力パラメータとし、目標ＥＧＲ率を教師データとして重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関運転時に、該学習済みニューラルネットワークを用いて、上記七つのパラメータから目標ＥＧＲ率が推定され、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差に基づいて、排気ガス再循環システムの異常が検出される請求項１に記載の排気ガス再循環システムの異常検出装置。
4. 機関運転時において、目標ＥＧＲ率が変化したときに、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が増大したときには、ＥＧＲ通路弁の応答遅れが生じていると判別される請求項１に記載の排気ガス再循環システムの異常検出装置。
5. 機関運転時において、目標ＥＧＲ率が変化したときに、目標ＥＧＲ率の推定値と目標ＥＧＲ率との差の積分値が算出され、算出された積分値が予め設定された閾値よりも大きいときには、ＥＧＲ弁の応答遅れが生じていると判別される請求項４に記載の排気ガス再循環システムの異常検出装置。
6. 機関運転時において、目標ＥＧＲ率が安定しているときに、目標ＥＧＲ率の推定値が目標ＥＧＲ率よりも低くかつ目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が閾値よりも大きいときには、ＥＧＲ通路に目詰まりが生じていると判別される請求項１に記載の排気ガス再循環システムの異常検出装置。
7. 機関運転時において、目標ＥＧＲ率が安定しているときに、目標ＥＧＲ率の推定値が目標ＥＧＲ率よりも高くかつ目標ＥＧＲ率の推定値と目標ＥＧＲ率との差が閾値よりも大きいときには、ＥＧＲ弁の閉弁不良が生じていると判別される請求項１に記載の排気ガス再循環システムの異常検出装置。

Images